一、创建Stream数据流

1. Stream流创建

   Stream<Integer> stream = Stream.of(0, 1, 2, 3, 4, 5);

2. Collection创建

   List<Integer> integerList = new ArrayList<>();
   integerList.add(0);
   integerList.add(1);
   integerList.add(2);
   integerList.add(3);
   integerList.add(4);
   integerList.add(5);
   Stream<Integer> listStream = integerList.stream();

3. Arrays创建

   int[] intArr = {0, 1, 2, 3, 4, 5};
   IntStream arrayStream = Arrays.stream(intArr);

4. 文件创建

   try {
        Stream<String> fileStream = Files.lines(Paths.get("data.txt"), Charset.defaultCharset());
   } catch (IOException e) {
        e.printStackTrace();
   }

5. 函数创建(无限流)

   Stream.iterator() 方法接受两个参数，第一个为初始化值，第二个为进行的函数操作，因为 iterator 生成的流为无限流，通过 limit 方法对流进行了截断

   Stream<Integer> iterateStream = Stream.iterate(0, n -> n + 2).limit(5);

   Stream.generate() 方法接受一个参数，方法参数类型为 Supplier ，由它为流提供值。generate 生成的流也是无限流，因此通过 limit 对流进行了截断

   Stream<Double> generateStream = Stream.generate(Math::random).limit(5);

二、Stream流中间操作

1. filter过滤

   // filter：输出ID大于6的user对象
   List<User> filetrUserList = userList.stream().filter(user -> user.getId() > 6).collect(Collectors.toList());
   filetrUserList.forEach(System.out::println);
   //查找列表中以B开头的第一个字符串
   String result2=names.stream().filter(name->name.startsWith("B")).findFirst().orElse("未找到");

2. map映射

   map 元素映射，提供一个映射规则，将流中的每一个元素替换成指定的元素

   // map
   List<String> mapUserList = userList.stream().map(user -> user.getName() + "用户").collect(Collectors.toList());
   mapUserList.forEach(System.out::println);

3. distinct去重

   distinct 去重，去除流中的重复的数据，这个方法是没有参数的，去重的规则与 hashSet 相同

   // 去重
   dataSource.distinct().forEach(System.out::println); 

4. sorted排序

   sorted 排序，将流中的数据，按照其对应的类实现的 Comparable 接口提供的比较规则进行排序

   // sorted：排序，根据名字倒序
   userList.stream().sorted(Comparator.comparing(User::getName).reversed()).collect(Collectors.toList()).forEach(System.out::println);
   //将集合中所有元素排序并大写输出
   List<String> words= Arrays.asList("banana","apple","orange");
   words.stream().sorted().map(String::toUpperCase).forEach(System.out::println);

5. limit & skip 限制 & 跳过

   • limit 限制，表示截取流中的指定数量的数据（从第0开始），丢弃剩余部分

   • skip 跳过，表示跳过指定数量的数据，截取剩余部分

   // 获取成绩的[3,5]名
   dataSource.sorted((s1,s2) -> s2.score - s1.score).distinct() 
               .limit(5)
               .skip(2)
               .forEach(System.out::println);

6. flatMap扁平化映射

   使用 flatMap 方法的效果是，各个数组并不是分别映射成一个流，而是映射成流的内容。所有使用 map(Arrays::stream) 时生成的单个流都被合并起来，即扁平化为一个流

   // 一般是用在map映射完成后，流中的数据是一个容器，而我们需要再对容器中的数据进行处理，此时使用扁平化映射
   // 将字符串数组中的数据读取到流中
   Stream<String> stream = Arrays.stream(s);  
   // 统计字符串数组中所有出现的字符
   stream.map(e -> e.split("")) 
               .flatMap(Arrays::stream)
               .distinct()
               .forEach(System.out::print);

7. peek对元素进行遍历处理

   // peek：对元素进行遍历处理，每个用户ID加1输出
   userList.stream().peek(user -> user.setId(user.getId()+1)).forEach(System.out::println);

三、Stream流终端操作

Stream 流执行完终端操作之后，无法再执行其他动作，否则会报状态异常，提示该流已经被执行操作或者被关闭，想要再次执行操作必须重新创建 Stream 流

一个流有且只能有一个终端操作，当这个操作执行后，流就被关闭了，无法再被操作，因此一个流只能被遍历一次，若想在遍历需要通过源数据在生成流。

终端操作的执行，才会真正开始流的遍历。如 count、collect 等

1. collect收集器

   collect 将流中的数据整合起来

   // collect：收集器，将流转换为其他形式
   Set set = userList.stream().collect(Collectors.toSet());
   set.forEach(System.out::println);
   System.out.println("--------------------------");
   List list = userList.stream().collect(Collectors.toList());
   list.forEach(System.out::println);

2. forEach 遍历流

   forEach 遍历流中数据

   // forEach：遍历流
   userList.stream().forEach(user -> System.out.println(user));
   userList.stream().filter(user -> "上海".equals(user.getCity())).forEach(System.out::println);

3. findFirst & findAny 获取流中的元素

   findFirst 获取流中的一个元素，获取的是流中的首元素，在进行元素获取的时候，无论是串行流还是并行流，获取的都是首元素

   // findFirst：返回第一个元素
   User firstUser = userList.stream().findFirst().get();
   User firstUser1 = userList.stream().filter(user -> "上海".equals(user.getCity())).findFirst().get();

   findAny 获取流中的一个元素，通常是首元素，但在并行流中，获取的可能不是首元素。在进行元素获取的时候，串行流一定获取到的是流中的首元素，并行流获取到的可能是首元素，也可能不是

   // findAny：将返回当前流中的任意元素
   User findUser = userList.stream().findAny().get();
   User findUser1 = userList.stream().filter(user -> "上海".equals(user.getCity())).findAny().get();

4. count总数

   count 返回流中元素总数

   // count：返回流中元素总数
   long count = userList.stream().filter(user -> user.getAge() > 20).count();
   System.out.println(count);

5. sum求和

   // sum：求和
   int sum = userList.stream().mapToInt(User::getId).sum();
   //对集合元素求和
   List<Integer> numbers= Arrays.asList(3,7,2,8,10,1,5,6);
   //第一种方法
   Integer r1=numbers.stream().mapToInt(Integer::intValue).sum();
   //第二种方法
   Integer reduce = numbers.stream().reduce(0, Integer::sum);

6. max & min 最大 & 最小

   // max：最大值
   int max = userList.stream().max(Comparator.comparingInt(User::getId)).get().getId();
   // min：最小值
   int min = userList.stream().min(Comparator.comparingInt(User::getId)).get().getId();

7. reduce 聚合

   reduce 将流中的数据按照一定的规则聚合起来

   // reduce：将流中元素反复结合起来，得到一个值
   Optional reduce = userList.stream().reduce((user, user2) -> {
         return user+user2;
   });
   if(reduce.isPresent()) System.out.println(reduce.get());

8. allMatch & anyMatch & noneMatch

   allMatch: 只有当流中所有的元素都匹配指定的规则，才会返回 true

   anyMatch: 只要流中的任意数据满足指定的规则，就会返回 true

   noneMatch: 只有当流中所有的元素都不满足指定的规则，才会返回 true

   // allMatch：检查是否匹配所有元素
   boolean matchAll = userList.stream().allMatch(user -> "北京".equals(user.getCity()));
   // anyMatch：检查是否至少匹配一个元素
   boolean matchAny = userList.stream().anyMatch(user -> "北京".equals(user.getCity()));
   // noneMatch：检查是否没有匹配所有元素，返回 boolean
   boolean nonaMatch = userList.stream().allMatch(user -> "北京".equals(user.getCity()));

四、Collect收集

Collector：结果收集策略的核心接口，具备将指定元素累加存放到结果容器中的能力；并在Collectors工具中提供了Collector接口的实现类

1. toList

   将用户 ID 存放到 List 集合中

   List<Integer> idList = userList.stream().map(User::getId).collect(Collectors.toList()) ;

2. toMap

   将用户 ID 和 Name 以 Key-Value 形式存放到 Map 集合中

   Map<Integer,String> userMap = userList.stream().collect(Collectors.toMap(User::getId,User::getName));

3. toSet

   将用户所在城市存放到 Set 集合中

   Set<String> citySet = userList.stream().map(User::getCity).collect(Collectors.toSet());

4. counting

   符合条件的用户总数

   long count = userList.stream().filter(user -> user.getId()>1).collect(Collectors.counting());

5. sumingInt

   对结果元素即用户 ID 求和

   Integer sumInt = userList.stream().filter(user -> user.getId()>2).collect(Collectors.summingInt(User::getId)) ;

   对集合元素求和

   List<Integer> numbers= Arrays.asList(3,7,2,8,10,1,5,6);
   Integer r=numbers.stream().collect(Collectors.summingInt(Integer::intValue));

6. minBy

   筛选元素中 ID 最小的用户

   User maxId = userList.stream().collect(Collectors.minBy(Comparator.comparingInt(User::getId))).get() ;

7. joining

   将用户所在城市，以指定分隔符链接成字符串

   String joinCity = userList.stream().map(User::getCity).collect(Collectors.joining("||"));

8. groupingBy

   按条件分组，以城市对用户进行分组；

   Map<String,List<User>> groupCity = userList.stream().collect(Collectors.groupingBy(User::getCity));